[논문 리뷰] Cerebral Signal Instantaneous Parameters Estimation MATLAB Toolbox - User Guide Version 2.3

Esmaeil Seraj|arXiv (Cornell University)|2016. 10. 07.

EEG and Brain-Computer Interfaces참고 문헌 3인용 수 4

한 줄 요약

이 논문은 전통적, ZPPP, 및 전이 함수 펌지(TFP) 방법을 사용하여 뇌 신호인 EEG 및 MEG에서 순순간 위상, 주파수, 진폭을 추정하는 무료이고 오픈소스인 Cerebral Signal Instantaneous Parameters Estimation MATLAB 도구상자를 소개한다. 이 도구는 노이즈가 많거나 비정상적인 EEG/MEEG 신호에서 위상锁定값(PLV) 및 위상 동기화와 같은 신경생리학적 특성에 대한 강건한 분석을 가능하게 하며, 합성 및 실제 EEG 데이터에서 검증된 성능을 보인다.

ABSTRACT

This document is meant to help individuals use the Cerebral Signal Phase Analysis toolbox which implements different methods for estimating the instantaneous phase and frequency of a signal and calculating some related popular quantities.The toolbox -- which is distributed under the terms of the GNU GENERAL PUBLIC LICENSE as a set of MATLAB routines -- can be downloaded at the address http://oset.ir/category.php?dir=Tools.The purpose of this toolbox is to calculate the instantaneous phase and frequency sequences of cerebral signals (EEG, MEG, etc.) and some related popular features and quantities in brain studies and Neuroscience such as Phase Shift, Phase Resetting, Phase Locking Value (PLV), Phase Difference and more, to help researchers in these fields.

연구 동기 및 목표

• 뇌 신호의 순순간 매개변수인 위상, 주파수, 진폭을 추정하기 위한 신뢰성 있고 오픈소스인 MATLAB 도구상자를 제공하는 것.
• 기존 위상 추정 방법의 한계를 보완하기 위해 노이즈 또는 비정상적인 EEG/MEEG 신호에서 더 높은 정확도를 달성하기 위한 TFP 및 ZPPP와 같은 강건한 통계적 프레임워크를 도입하는 것.
• PLV, 위상 재설정, 위상 차이와 같은 주요 위상 기반 지표의 계산을 가능하게 하여 신경과학 연구를 지원하는 것.
• 테스트 파일, 사용자 가이드, Open-Source Electrophysiological Toolbox(OSET)와의 통합을 통해 재현 가능한 연구를 촉진하는 것.
• AR 모델과 혁신 필터링을 사용한 합성 EEG 생성을 통해 위상 분석 방법의 상호 검증 및 벤치마킹을 가능하게 하는 것.

제안 방법

• 기본 힐버트 변환(Phase_Ex_Trad.m), 영점-극점 펌지 절차(ZPPP)(Phase_Ex_ZPPP.m), 전이 함수 펌지(TFP)(Phase_Ex_TFP.m)의 세 가지 핵심 위상 추정 방법을 적용한다.
• 필터의 영점과 극점을 무작위로 펌지하는 통계적 프레임워크를 적용하여 노이즈 및 아티팩트에 대한 위상 추정의 강건성을 향상시킨다.
• 밴드패스 필터링된 신호에서 힐버트 변환과 분석 신호 접근법을 사용하여 순순간 위상, 주파수, 진폭을 계산한다.
• 다중 및 단일 채널 분석을 지원하는 위상 락킹 값(PLV) 계산을 위상 시퀀스(PLV_PhaseSeq.m) 및 원시 신호(PLV_RawSig.m)를 통해 수행한다.
• 자기회귀(AR) 모델과 혁신 필터링(Synth_EEG.m)을 사용하여 실제 EEG의 스펙트럼 특성을 유지하는 합성 EEG 신호를 생성한다.
• OSET 프레임워크와 통합하고, 테스트 스크립트(예: Test_Phase_Ex_TFP.m)를 통한 모듈식 사용을 지원하여 검증 및 시연을 가능하게 한다.

실험 결과

연구 질문

• RQ1 노이즈가 많거나 비정상적인 EEG 및 MEG 신호에서 순순간 위상, 주파수, 진폭을 어떻게 강건하게 추정할 수 있는가?
• RQ2 TFP 및 ZPPP 방법이 실제 및 합성 EEG 데이터에서 기존 힐버트 기반 위상 추정에 비해 성능 향상은 얼마나 이루어지는가?
• RQ3 이 도구상자는 다중 EEG 채널에서 위상 동기화 지표인 PLV를 얼마나 정확하게 계산할 수 있는가?
• RQ4 합성 EEG 생성 기능(Synth_EEG.m)이 실제 EEG 신호의 스펙트럼 및 시간적 특성을 얼마나 잘 재현하는가?
• RQ5 이 도구상자는 신경 시계열에서 위상 재설정 이벤트와 위상 이동 동역학을 신뢰성 있게 탐지할 수 있는가?

주요 결과

• TFP 및 ZPPP 방법은 특히 저 SNR 조건에서 기존 힐버트 기반 방법에 비해 위상 추정의 강건성을 크게 향상시킨다.
• 위상 시퀀스와 원시 신호를 모두 사용한 PLV 행렬은 일관된 결과를 보이며, PLV 계산 함수의 신뢰성을 검증한다.
• AR 모델과 혁신 필터를 사용해 생성한 합성 EEG 신호는 Welch의 PSD 분석을 통해 실제 EEG 신호의 전력 스펙트럼 밀도(PSD)와 유사하게 재현된다.
• 샘플 그림을 통해 도구상자는 실제 EEG 신호의 알파 리듬 동역학(8–12 Hz)을 정확한 순순간 위상, 주파수, 진폭 시퀀스로 성공적으로 캡처한다.
• Phase_Ex_TFP.m 기능은 필터 응답의 통계적 펌지를 통해 위상 이동 및 위상 재설정 이벤트를 탐지할 수 있으며, 임시 신경 동역학에 대한 민감도를 향상시킨다.
• 사용자 가이드 및 테스트 파일(예: Test_PLV_RawSig.m, Test_Synth_EEG.m)은 도구상자의 다양한 EEG 데이터셋 및 분석 시나리오에서의 사용성과 재현 가능성을 확인한다.